Académique Documents
Professionnel Documents
Culture Documents
ISSN: 0120-2596
lecturas@udea.edu.co
Universidad de Antioquia
Colombia
Optimal Strategy Design for Portfolio Selection: an Inverse Risk Weighting Analysis
Abstract: This article analyzes the behavior of the portfolio selection strategy that assigns to
each asset a weight inversely proportional to individual risk (PIR) in comparison with the
classical mean-variance (MV), minimum variance (MINVAR) and 1/N strategies. In doing so
and applied to the Colombian stock market, this study performs out-of-sample estimates and
provides conditions under which PIR weights lead to less riskier strategies than the 1/N strategy.
In conclusion, the evidence suggests that the PIR strategy outperforms classical strategies in terms
of profitability indicators, risk, Sharpe ratio, Turnover (cost) and Turnover (stability).
Keywords: Investment portfolios, securities, profitability, risk, inverse risk weighting. JEL
Classification: Q560; R52.
Primera versión recibida en agosto de 2010; versión final aceptada en diciembre de 2010
Introducción
La selección adecuada de una inversión se constituye en el mundo de las
finanzas como una estrategia de administración eficiente que relaciona varios
factores claves. Es claro que dentro de la serie de elementos a tener en cuenta, el
nivel de riesgo asumido por un inversionista (grado de aversión), la determinación
de las alternativas en los títulos y sus respectivas ponderaciones, se destacan como
las variables más relevantes. Sin embargo, para la colocación de una inversión
más segura, es necesario tener en cuenta variables adicionales como el riesgo de
mercado, el grado de liquidez de los activos, así como la situación económica del
sector donde se realizará la operación
En el mundo actual, la inserción de agentes particulares y de empresas en
las actividades bursátiles es cada vez más recurrente y obedece a la búsqueda de
mayores rentabilidades y necesidades de capitalización respectivamente1. De
acuerdo con la Bolsa de Valores de Colombia (BVC), entre junio del 2007 y
abril del 2009 el número de inversionistas pasó de 105 a 1.139. Por este motivo,
conocer el desempeño de las técnicas actuales para la selección de portafolios
* Andrés Felipe Puerta Molina: Economista Universidad de Antioquia, Candidato Msc en economía
Universidad de Antioquia, calle 67 53-108, oficina 112. Dirección electrónica: andresfelipe.
puerta@gmail.com. Henry Laniado Rodas: Matemático Universidad de Antioquia, Candidato
Ph.D en Estadística Universidad Carlos III Madrid, Avenida de la Universidad 30 municipio
Leganés Provincia Madrid. Dirección electrónica: hlaniado@est-sssecon.uc3m.es.
1 Con base al marco regulatorio colombiano, la incorporación de agentes nacionales y extranjeros
a las actividades bursátiles no es restringido, exigiendo además de esto, un trato homogéneo
entre ambas partes.
Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...
246
247
que les permitan la identificación, medición y monitoreo de los riesgos a los que
están expuestos, se propone en este artículo una metodología para la selección de
portafolios, novedosa y menos compleja en su implementación que las estrategias
clásicas media varianza (M-V) y mínima varianza (MINVAR), ya que no considera
el proceso de optimización ni estimación de la matriz de covarianzas. La estrategia
propuesta, es evaluada en su rendimiento con portafolios compuestos por acciones
de la Bolsa de Valores de Colombia. Para este propósito se utiliza la metodología
rolling horizon discutida en DeMiguel y Nogales (2009). Los resultados son
comparados con las estrategias clásicas (M-V), (MINVAR) y (1/N) en términos
de rentabilidad media, ratio de Sharpe, riesgo del portafolio, estabilidad de las
ponderaciones y costos de transacción.
El resto del artículo es estructurado de la siguiente forma. En la primera
sección, se realiza una revisión del marco teórico, donde se incluye la información
preliminar, así como el estado actual. La segunda sección muestra la construcción
del marco metodológico donde se planteará la concepción formal de cada una de
las metodologías de comparación y se introduce formalmente la estrategia que
se propone en el artículo. Además, se explicará el funcionamiento del proceso
de evaluación así como los criterios con base a los cuales se define la selección
de portafolios. En la tercera parte, se presentarán los resultados de cada uno de
los modelos utilizados, mientras que en la cuarta y última parte se presentan las
conclusiones finales.
I. Marco teórico
A. Preliminares
El estudio pionero sobre selección de portafolios desarrollado por Markowitz
(1952) sentó las bases del análisis. En su modelo utiliza conceptos que han sido
un gran avance teórico y cuya utilidad esta fuera de toda duda. El primer pilar de
su teoría es la relación entre el riesgo y las variables estadísticas, cuya medición
es posible, específicamente la varianza histórica de la rentabilidad. Su propuesta
argumenta que los inversores demandan un retorno mayor para inversiones
más riesgosas.
Posteriormente Tobin (1958) y realizando una extensión del modelo de
Markowitz, asume que los inversores pueden realizar prestamos bajo la misma tasa
de interés. Llegando a la conclusión de que todos los agentes pueden seleccionar
el mismo portafolio a pesar de que su actitud hacia el riesgo sea diferente. Por lo
tanto, el trabajo del inversionista consiste en encontrar el punto de tangencia de
B. Estado actual
Los aportes al modelo de selección de portafolios realizados por Markowitz,
Tobin y Sharpe, fundaron las bases para el análisis de este tipo de problemas e
incluso fueron los causantes de que años más tarde ganaran el Premio Nobel de
Economía por sus contribuciones3. Así pues, dado el éxito de estos tres autores
después de la década de 1990, se desata una corriente de trabajos sobre el área
financiera e incluso, siendo más precisos, sobre la selección óptima de portafolios
de inversión así como de técnicas para la medición del riesgo.
Dentro de las técnicas modernas para la determinación del riesgo se destaca
el trabajo de Artzner et al. (1998), donde se plantea una serie de axiomas
deseables que una medida de riesgo debería tener y bajo las cuales se definen los
conjuntos de aceptación eficientes para un portafolio de inversión. Inicialmente
Artzner et al. (1998) define el riesgo como una variable aleatoria que fluctúa de
acuerdo a la variabilidad del valor futuro de una posición para sus diferentes
estados de la naturaleza. De acuerdo con su análisis, los axiomas que definen
una medida coherente de riesgo son: invarianza ante translaciones, subaditividad,
homogeneidad positiva y monotonicidad4. Tres años más tarde al exitoso trabajo
3 James Tobin recibe el Premio Nobel en 1981 por su análisis de los mercados financieros y
sus relaciones con las decisiones de gasto, empleo producción y precios, mientras que Harry
Markowitz y William Sharpe lo ganan en 1990 por sus trabajos pioneros en la teoría de la
economía financiera.
4 Para una mejor comprensión de los axiomas revisar: Coherent Measures of Risk. Artzner et al.
(1998).
248
249
5 Una función de costos es cóncava cuando el costo de transacción asociado a un título adicional
es creciente, de hecho para el caso de un portafolio conformado por muchos títulos, los costos
de transacción se tornan constantes y por ende la función se define como convexa.
250
251
A. Optimización de portafolios
La propuesta de optimización de portafolios discutida en Markowitz (1952)
está entre los más importantes modelos para la selección de portafolios. La filosofía
detrás del modelo de Markowitz, es que los agentes deciden las ponderaciones de
inversión para cada activo con base en la relación entre el retorno esperado y el
riesgo. Desde este punto de vista, los portafolios elegidos deben pertenecer a la
frontera eficiente la cual es caracterizada por el conjunto de portafolios óptimos
de Pareto. Este conjunto de portafolios óptimos, habitualmente es representado
en el plano donde los ejes x, y representan el riesgo deseado y la rentabilidad
respectivamente. Ver gráfico 1.
(1)
(2)
Donde w es el vector de ponderaciones, es la media muestral de la
rentabilidad del portafolio, w es la varianza muestral de la rentabilidad del
portafolio, y γ es el j parámetro de aversión al riesgo. Para diferentes valores del
parámetro γ se tienen diferentes portafolios M-V sobre la frontera eficiente. En
la restricción y . Estas restricciones garantizan que las
ponderaciones wi obtenidas, cubran exactamente el capital inicial que se pretende
invertir. Σ^ es la matriz de covarianzas muestral de las rentabilidades de los N
activos y puede ser calculada como (ver ecuación 3).
(3)
Donde es el vector de rentabilidades de los activos en el tiempo t, T es
el tamaño muestral, y .
252
253
(6)
Donde es una medida de riesgo positiva univariante.
En la siguiente proposición se muestra que si las rentabilidades siguen una
misma ley de probabilidad, la estrategia de la PIR sugiere asignar la misma
ponderación para cada activo.
Proposición 1: Si las rentabilidades {X1, X2, ..., Xn} son idénticamente
distribuidas, entonces la estrategia PIR es equivalente a la estrategia N1 .
Proposición 2: Si las rentabilidades {X1, X2, ..., Xn} son intercambiables7,
entonces la estrategia PIR es la estrategia óptima para la MINVAR.
En el gráfico 2 se presenta el conjunto de portafolios factibles conformado
por 4 empresas colombianas (Banco de Bogotá, Bancolombia, Cementos
Argos y Cartón de Colombia). Los datos son rentabilidades diarias desde el
28 de noviembre de 2007 hasta 31 de marzo de 2010. Los puntos resaltados
son portafolios cuyas ponderaciones son obtenidas con base en el modelo de
ponderación inversa al riesgo, cuando el riesgo individual es calculado a través la
varianza8, y el Value at Risk con = 0,99. También se calcula el portafolio con
la estrategia equiponderada. Hay evidencia empírica, de acuerdo a los resultados,
de que los portafolios con la estrategia PIR mejoran el desempeño de la estrategia
equiponderada en el sentido de tener menor riesgo.
Un concepto que juega un rol importante en economía y en la teoría de
decisión de bajo riesgo, es la noción de comonotonía introducido por Yaari
(1987), según el cual existe una situación de dependencia perfecta y positiva entre
variables aleatorias. En el contexto de riesgo, la comonotonía es considerada la
situación de mayor peligrosidad. De manera formal, la comonotonía se introduce
en la siguiente definición.
Definición 2: Sea {X1, X2, ..., Xn} variables aleatorias. Se dice que {X1, X2, ..., Xn}
son mutuamente comonótonos si existe una variable aleatoria Z y funciones no
decrecientes f1, ..., fN de valor real, tal que.
254
255
(7)
Donde ≡ d significa igualdad en distribución.
256
257
C. Metodología de estimación
Las técnicas de selección de portafolios son estimadas por medio de la
metodología Out of sample, es decir, por medio de un esquema recursivo se
generan pronósticos de las variables objetivo en el período T + 1.
9 A pesar de que el portafolio obtenido con la PIR genera un menor riesgo, vale la pena resaltar
que para este nuevo nivel de riesgo se encuentra asociada una menor rentabilidad.
258
259
III. Resultados
Para la realización del proceso de selección de portafolios, se utilizaron
las rentabilidades diarias de las principales acciones de la Bolsa de Valores de
Colombia. Sin embargo, dado que el período de emisión de los títulos no es el
mismo, se determinarán varios portafolios con el fin de tener en cuenta el mayor
número de observaciones posibles.
Todo ejercicio de selección de inversiones debe estar acompañado de
una metodología de referencia, es decir, un punto que sirva de base a la hora
260
261
Nota: *Dado que Pacific Rubiales Energy Corp sólo entró a la bolsa desde diciembre del 2009, no
tiene el número de observaciones mínimas para realizarle el análisis.
Fuente: Bolsa de Valores de Colombia (BVC). Datos en millones de pesos.
La estrategia 1/N parece ser la más atractiva por el hecho de poseer el menor
riesgo con un valor de 0,5455, una ratio de Sharpe de 0,2686, un Turnover
(estabilidad) de 0 y un Turnover (costo) de 0,4214. El nivel de retorno más
elevado es presentado a su vez por la estrategia de la M-V, la cual análogamente se
encuentra asociada a los mayores niveles de riesgo, como de costos de transacción
entre períodos.
Una manera de solucionar los altos costos de transacción asociados a la
estrategia M-V es implementar alternativas como 1/N, PIR o MINVAR, de hecho
analizando el desempeño de la PIR se puede observar que en términos del retorno
y el Turnover (costos) tiene un comportamiento muy similar al presentado por la
estrategia equiponderada.
Adicionalmente, respecto al modelo de selección de 203 observaciones, se
puede evidenciar que el desempeño de las estrategias que implican calcular la
matriz de varianzas y covarianzas (MINVAR, M-V), salvo en el nivel de retorno,
son inferiores al presentado por la PIR y la estrategia 1/N.
Finalmente, de acuerdo con los análisis iniciales, el desempeño de la PIR es
positivo en términos de todos los criterios de selección, aunque es superada por
la estrategia 1/N. Un ejercicio interesante consiste en ampliar el horizonte de
estimación con el fin de realizar un seguimiento a cada una de las alternativas
propuestas, así como del benchmarking. En este sentido, se analizará el caso de
564 observaciones definidas desde el 28 de noviembre del 2007 hasta el 31 de
marzo del 2010. El número de títulos en este caso se reducen a 21 y los resultados
por medio de la estrategia out of sample para el portafolio total son de la forma.
262
263
Tabla 4. Resultados simulación para el portafolio óptimo. Modelo 1756 datos diarios
Criterio MINVAR M-V PIR 1/N (Benchmark)
Retorno 0,0392 0,0268 0,0551 0,0546
Riesgo 1,0212 2,164 1,0799 1,1893
Sharpe Ratio 0,0384 0,0124 0,051 0,0459
Turnover (estabilidad) 0,0109 0,197 0,0021 0
Turnover (Costos) 0,9452 5,583 0,7235 0,8163
Fuente: Cálculos propios.
Tabla 5. Resultados simulación para el portafolio óptimo. Modelo 2221 datos diarios
264
265
266
267
Conclusiones
De acuerdo con los resultados obtenidos, en términos de las variables
referencia para la selección de portafolios, es decir rentabilidad, riesgo, ratio de
Sharpe, Turnover (estabilidad), y Turnover (costo), la PIR se estableció como
una alternativa realmente útil, que a medida que aumentaba progresivamente
el número de observaciones mejoraba su desempeño en términos de las otras
opciones. De hecho, en términos de riesgo y de ratio de Sharpe para dos de
los cuatro modelos estimados tuvo el mejor desempeño, mientras que en los
otros dos estuvo entre las principales alternativas. Adicionalmente, en términos
del Turnover (costo) la PIR, salvo en el caso de 203 datos, logra un mayor
desempeño, y en términos de retorno, obtiene el mayor valor para el caso de
1.756 datos, aunque en los otros modelos obtiene valores elevados que siempre
validan este método.
Comparando el desempeño de las técnicas que se fundamentan en la
estimación de la matriz de varianzas y covarianzas, frente a las alternativas que no
requieren proceso de optimización, se concluye que el modelo de la PIR así como
la estrategia 1/N superan, salvo en el retorno del modelo de 203 observaciones
así como en el riesgo del modelo 2.221 observaciones, al modelo MINVAR y a la
M-V en términos de las variables referencia para todas las estrategias de selección
de portafolios determinadas.
Finalmente, tomando como referencia los datos provenientes de la Bolsa
de Valores de Colombia, se puede afirmar que la Ponderación Inversa al Riesgo
(PIR) es una estrategia de optimización eficiente, siendo aquella que a través de un
algoritmo de programación logra para la mayoría de los portafolios de inversión
el mejor resultado, en términos de las variables analizadas en el trabajo. Si bien,
la estrategia equiponderada en algunos de los criterios tiene un comportamiento
Anexo 1
268
269
• Para el caso de 203 observaciones, las acciones están definidas desde el primero
de junio del 2009, hasta el 31 de marzo del 2010.
• Para el caso de 564 observaciones, las acciones están definidas desde el 28 de
noviembre del 2007, hasta el 31 de marzo del 2010.
• Para el caso de 1.756 observaciones, las acciones están definidas desde el 2 de
enero del 2003, hasta el 31 de marzo del 2010.
• Para el caso de 2.221 observaciones, las acciones están definidas desde el 3 de
enero del 2001, hasta el 31 de marzo del 2010.
Anexo 2
Demostración de proposiciones en la definición de la estrategia de
Ponderación Inversa al Riesgo (PIR).
Proposición 1: Si las rentabilidades son idénticamente
distribuidas, entonces la estrategia PIR es equivalente a la estrategia .
Prueba: son idénticamente distribuidas y > 0, entonces.
De la expresión (6), para i = 1,...,N
(i)
Proposición 2: Si las rentabilidades son intercambiables14,
entonces la estrategia PIR es la estrategia óptima para el problema de la mínima
varianza.
Prueba: De la proposición 1 y el teorema 8.2.3 de Müller y Stoyan (2002) se
concluye la prueba.
Teorema 1: Sea X1,...,XN variables aleatorias comonótonas y sea una medida
de riesgo comonótona. Entonces el riesgo de la inversión con la estrategia PIR es
menor que el riesgo de la inversión con la estrategia equiponderada.
Prueba: De la Definición 1 la diversificación en las N variables aleatorias
utilizando la estrategia PIR es dada por
(ii)
Al calcular el riesgo de esta diversificación se tiene:
(iii)
por (9)
(iv)
Al calcular el riesgo de esta diversificación se tiene:
(v)
(vi)
270
271
Luego
que implica N 2 ≤
Por lo tanto
(vii)
En consecuencia
(viii)
(ix)
(x)
Garantizando que .
Bibliografía
Artzner, Philippe; Delbaen, Freddy; Eber, Jean y Heath, David (1998).
“Coherent Measures of Risk”, Working Paper, pp. 1-24.
Becerra, Oscar y Melo, Luis (2008). “Medidas de riesgo financiero usando
cópulas: teoría y aplicaciones”, Borradores de Economía, No. 489, pp. 1-96.
Beck, Stacie (2001). “Autoregressive Conditional Heteroscedasticity in
Commodity Spot Prices”. Journal of Applied Econometrics, Vol. 16, No. 2,
pp. 115-132.
Better, Marco y Glover, Fred (2006). “Selecting Project Portfolios by Optimizing
Simulations”, The Engineering Economist, Vol. 51, No.2, pp. 81-97.
Cai, Xiaoqiang; Teo, Kok; Yang, Xiaoqi y Zhou, Xun (2000). “Portfolio
Optimization Under a Minimax Rule”. Institute for Operations Research and
the Management Sciencie, Vol. 46, No. 7, pp. 957-972.
DeMiguel, Victor; Garlappi, Lorenzo y Uppal, Raman (2009a). “Optimal Versus
Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?”. The
Review of Financial Studies, Vol. 22, No. 5, pp. 1915-1953.
DeMiguel, Victor y Nogales Francisco (2009). “Portfolio Selection with Robust
Estimation”, Operations Research, Vol. 57, No. 3, pp. 560-577.
DeMiguel, Victor; Garlappi, Lorenzo; Nogales, Francisco y Uppal, Raman
(2009b). “A Generalized Approach to Portfolio Optimization: Improving
Performance by Constraining Portfolio Norms”, Management Science, Vol.
55, No. 5, pp. 798-812.
Föllmer, Hans y Schied, Alexander (2002). “Convex Measures of Risk and
Trading Constraints”, Finance and Stochastics, Vol. 6, No. 4, pp. 429-447.
Föllmer, Hans y Schied, Alexander (2004). Stochastic Finance: An Introduction in
Discrete Time, Berlin, Walter de Gruyter.
García, Alfredo (2001). “Prima de riesgo y volatilidad con un modelo
M-GARCH”; Revista Asturiana de Economía, No. 22, pp. 143-152.
272
273